基于卷积神网络地震波形反演研究.pdfVIP

表格

{

边框‑折叠：折叠；

}

表格,

th,

td

{

边框：1px

实线

#000；

}

InversionNet：基于卷积神经网络

的精准高效波形反演

∗、林友作、洛斯阿拉莫家

形反演已成为复杂地质构造中速度估计的重要工具。传统全波形反演问题通

常被表述为非线性优化问题。全波形反演主要两大计算：一是高昂的计算成本，

二是局部极小值问题。本研究提出一种端到端数据驱动反演技术——InversionNet，旨

在从波形数据中学习到模型的回归关系。具体而言，我们构建了一个具有编码器‑

器结构的深度卷积神经网络，其中编码器学习数据的抽象表示，器则利用该

表示生成模型。我们还在网络结构中引入膨胀卷积以整合模型的上下文信息。通

过合成波形数据测试，实验结果表明InversionNet不仅能精确的反演结果，还

能实现近实时反演。

引言

全波形反演（FWI）（Virieux等，2014；